评估提示质量

在使用 Gemini Nano 直接访问模型时，确保提示的质量和可靠性至关重要。

如需评估提示质量，您应针对自己的应用场景制定一套全面的输入和预期输出。

如需评估提示是否符合每个 Gemini Nano 模型版本的质量标准，我们建议您采用以下工作流程：

  1. 运行评估数据集并记录输出。
  2. 手动评估结果或使用 LLM-as-a-judge。
    1. 如果评估结果不符合您的质量标准，请迭代提示。例如，让更强大的 LLM（如 Gemini Pro）根据所需输出与实际输出之间的差异来改进提示。

提示词工程可提升任务性能，而迭代提示词是关键。我们建议您将上述步骤至少迭代 3-5 次。请注意，这种方法有其局限性，因为优化最终会带来收益递减。

或者，如需快速大规模改进提示，您可以使用数据驱动型优化器，该优化器可以针对 gemma-3n-e4b-it 等设备端模型。

安全

为确保 Gemini Nano 向用户返回安全的结果，我们实施了多层保护措施，以限制有害或意外结果：

  • 原生模型安全性：所有 Gemini 模型（包括 Gemini Nano）都经过训练，开箱即具备安全意识。这意味着安全考量已融入模型的核心，而不仅仅是事后添加。
  • 输入和输出的安全过滤器：Gemini Nano 运行时生成的输入提示和结果都会经过我们的安全过滤器评估，然后才会将结果提供给应用。这有助于防止不安全的内容漏网，同时不会降低质量。

不过，由于每个应用对用户安全内容的标准各不相同，因此您应根据应用的具体应用场景评估安全风险，并进行相应测试。

其他资源